智能交通系统是未来交通系统的发展方向。基于视频的交通流量统计方法相对于传统的方法而言具有很多优点,是整个智能交通系统中一个非常重要的组成部分。它通过使用计算机对视频监视器拍摄到的车流进行处理,获得在某个时段中道路上通过的车辆数目,为智能交通系统提供后续处理的基本数据,实现道路智能化调度,减少拥塞,提高路面资源利用率。基于视频的交通流量统计系统通常包含车辆检测和车辆跟踪两部分。前者主要是将交通视频序列中的车辆目标从复杂背景中提取出来;后者则跟踪车辆进入摄像机的过程,对其计数。本文在对这两部分的核心技术深入研究的基础上,提出了一套车流量统计系统实现方案,并完成了系统实现。论文的工作主要有:一、对基于视频的交通流量统计的核心技术进行了综述。本文对当前车辆检测和跟踪两个阶段使用的热点技术分别进行了研究,对各类方法优缺点进行了分析对比。二、提出改进的融合目标分割算法,实现车辆的有效检测。在对现有检测算法的分析基础上,本文针对街道道路车流特点,在车辆检测阶段提出了一种改进的融合目标分割算法。算法包括利用密码本对车辆样本进行训练和对目标对象进行分割两步。在密码本生成阶段,首先选用Sift方法对图像进行特征提取,然后进行图像片分割、聚类,最后采用新颖的交叉激活方式建立密码本,有效的减少了学习所需样本数目;在识别分割阶段,通过一个隐性概率模型,将识别与分割信息进行整合,可以自动准确获得车辆目标分割结果。三、结合车辆跟踪算法,提出一套车流量统计系统实现方案,并完成实现。根据检测阶段的分割结果,本文使用一种与之相配套的跟踪算法,实现了一个车流量统计系统,对算法进行了验证,达到了预期效果。